AI 能力沒有停滯 — 而是在加速
模型在博士級科學、多模態推理與競賽數學上，已達到或超越人類基準。
AI 擴張的速度，快過周遭體系能調適的速度
2026 年 AI 指數是史丹佛 HAI 的獨立計畫，橫跨研發、技術表現、負責任 AI、經濟、科學、醫療、教育、政策與民意。先看幾個定錨的數字：
88% 組織採用 AI
53% 生成式 AI 三年內人口採用率
286美國民間 AI 投資(十億美元，2025)
5,427美國資料中心數 — 是任一他國的 10 倍
3622025 年 AI 事故通報(2024 為 233)
90% 重要前沿模型來自產業界
15 條重點摘要
報告自己挑出的頭條發現。點任一張卡片看完整結論與數字。
美中模型效能差距實質上已消失
兩國多次互換領先；截至 2026 年 3 月，頂尖美國模型僅領先 2.7%。
美國擁有最多資料中心；晶片幾乎全由一家台灣晶圓廠製造
美國有 5,427 座資料中心 — 是任一他國的 10 倍 — 而幾乎每顆頂尖 AI 晶片都來自台積電。
能拿數學奧林匹亞金牌，卻看不準時鐘
「鋸齒狀前沿」：Gemini Deep Think 奪得 IMO 金牌，頂尖模型卻只有 50.1% 能讀對類比時鐘。
機器人仍然搞不定多數家務
家務成功率僅 12%，儘管在 RLBench 軟體模擬中可達 89.4%。
負責任 AI 沒有跟上能力的腳步
安全基準落後、事故劇增 — 2025 年通報 362 起，2024 年為 233 起。
美國投資領先，但吸引全球人才的能力正在衰退
民間投資 2,859 億美元 — 是中國的 23 倍 — 但移居美國的研究者自 2017 年來下降 89%。
採用以歷史性速度擴散 — 而且常以免費形式創造價值
三年達 53% 人口採用率(快過 PC 與網際網路)；美國消費者價值達每年 1,720 億美元。
生產力提升出現的領域，正是入門職缺開始萎縮之處
客服與軟體開發提升 14–26%；22–25 歲美國開發者就業下降近 20%。
AI 的環境足跡隨能力一起擴大
Grok 4 訓練約 72,816 噸 CO₂e；資料中心電力達 29.6 GW — 相當於紐約州尖峰用電。
科學用 AI 能勝過人類 — 但模型越大不一定越好
前沿模型在 ChemBench 上勝過人類化學家，卻在天文物理複現上低於 20%。
AI 正在改變臨床照護，但嚴謹證據仍然不足
病歷生成工具減少多達 83% 的書寫時間，但只有 5% 的臨床 AI 研究使用真實病患資料。
正規教育落後於 AI，但人們在人生各階段都在學 AI
逾 80% 美國學生用 AI 做功課，但只有 6% 的老師認為校內 AI 政策清楚。
AI 主權正成為國家政策的決定性特徵
國家策略在開發中經濟體擴張最快；開源正在重新分配誰能參與。
專家與大眾對 AI 的未來看法南轅北轍
在工作上，73% 的專家預期正面影響，大眾僅 23% — 落差 50 個百分點。
九大章節速覽
每一章的重點亮點。展開可看關鍵數字。
1 · 研發
產業界如今佔重要模型的 90% 以上，而最強大的系統卻最不透明 — 訓練程式碼、參數量與資料集規模越來越不公開。運算量自 2022 年以來每年約成長 3.3 倍，達 1,710 萬個 H100 等效算力，其中 Nvidia 供應超過 60%。中國在發表量、被引用數與專利核准上領先；美國則在重要模型開發上領先(59 vs. 35)。AI 人才的性別落差依舊根深蒂固，自 2010 年以來毫無實質進展。完整詳解：研發 →
2 · 技術表現
語言、推理、程式與數學的基準分數全面上升 — 但評測的速度跟不上它要衡量的進展，基準也逐漸飽和。頂尖模型之間的差距正在縮小，美中之間幾乎已完全拉平。AI 代理仍約有三分之一的嘗試失敗。機器人在非結構化環境中吃力，而自駕車已達成大規模部署且安全紀錄看好。完整詳解：技術表現 →
3 · 負責任 AI
負責任 AI 的基準測試在增加，卻跟不上部署的腳步。2025 年通報事故升至 362 起(原為 233)。模型難以區分「知識」與「信念」 — 幻覺率介於 22% 到 94%。組織正將負責任 AI 制度化：沒有 RAI 政策的比例從 24% 降到 11%，而主要障礙是知識落差(59%)、預算(48%)與法規不確定性(41%)。AI 在英文表現最佳，且這道落差比全球基準所顯示的更大。完整詳解：負責任 AI →
4 · 經濟
2025 年全球企業 AI 投資增加超過一倍；民間投資成長 127.5%，其中生成式 AI 拿下近半的民間 AI 資金。美國的民間投資是中國的 23 倍。組織採用率升至 88%，生成式 AI 帶來的消費者剩餘達每年 1,720 億美元。生產力提升在結構化工作中最大(14–50%)。中國安裝了全球 54% 的工業機器人。完整詳解：經濟 →
5 · 科學
自然科學領域的 AI 科學發表在 2025 年達約 80,150 篇(+26%)，如今佔產出的 5.8–8.8%(2010 年時不到 1%)。前沿模型在 ChemBench 上勝過人類化學家，卻在天文物理複現上低於 20%。天文學發布了首個基礎模型(AION-1)。一套 AI 系統(Aardvark Weather)首次端到端跑完整個天氣預報流程。在端到端研究任務上，最佳代理的得分約為博士級專家的一半。完整詳解：科學 →
6 · 醫療
臨床病歷生成工具獲得廣泛採用 — 醫師回報書寫時間減少多達 83%，某系統的投報率達 112%。FDA 在 2025 年核准 258 項 AI 醫療器材，多數透過器材修改途徑；有臨床研究的器材中，只有 2.4% 採用隨機試驗資料。一套多代理系統在複雜的已發表病例上得分 85.5%，而未借助工具的醫師為 20%。AI 生成摘要如今出現在 84%–92% 健康相關 Google 搜尋的頂端。完整詳解：AI 醫療趨勢 →
7 · 教育
美國四年制大學的資工註冊人數下降 11%(2024–25)，但 AI 碩士畢業生增加 17%。每 5 名美國高中與大學生就有 4 名用 AI 做功課，卻只有半數學校訂有 AI 政策，僅 6% 的老師認為清楚。逾 90% 的國家已在學校開設資工課；中國與阿聯自 2025–26 學年起將 AI 教育列為必修。美國與加拿大的新科 AI 博士增加 22%，且全數流向學界。完整詳解：教育 →
8 · 政策與治理
國家 AI 策略在五年前還沒有任何策略的國家中擴張最快；2024 年新策略有過半來自新興經濟體。AI 主權正成為核心原則，但基礎設施分布不均 — 歐洲與中亞的國家支持超算叢集從 3 個增至 44 個(2018–2025)。美國國會聽證會的 AI 相關證人自 2017 年以來增加二十倍(5 → 102)。美國公共 AI 投資(2013–24 約 204 億美元)相形見絀於光是 2025 年就達 2,859 億美元的民間投資。完整詳解：政策與治理 →
9 · 民意
對 AI 的樂觀在上升(益處大於弊端：55% → 59%)，但焦慮也在增加(52% 感到緊張)。東南亞最為樂觀 — 馬來西亞、泰國、印尼與新加坡逾 80% 預期 AI 將改變他們的生活。專家與美國大眾分歧明顯：在工作上是 73% 對 23%。近三分之二的美國人(64%)預期未來 20 年工作會變少。美國對自家政府監管 AI 的信任最低，僅 31%。完整詳解：民意 →
報告的原話
幾句概括這一年的話，來自共同主席的訊息與重點摘要。
資料並未指向單一方向。它揭示的是一個擴張速度快過周遭體系所能調適的領域。
在技術前沿，領先模型如今彼此幾乎難以區分。開放權重模型比以往任何時候都更具競爭力。
AI 能在國際數學奧林匹亞奪金，卻看不準時鐘 — 這就是 AI 的鋸齒狀前沿。
生成式 AI 在三年內達到 53% 的人口採用率 — 快過個人電腦或網際網路。
在人們如何工作這件事上，73% 的專家預期正面影響，大眾卻僅 23% — 落差 50 個百分點。
關於這個頁面
這是什麼、數字從哪來、該怎麼讀。
這是史丹佛 HAI《人工智慧指數報告 2026》的非官方教育性重新整理 — 該報告是史丹佛以人為本 AI 研究院旗下獨立計畫的第九版。本頁的每個數字皆直接取自報告的重點摘要與各章亮點。
如何解讀這些數字
- 基準正在飽和，前沿實驗室揭露變少 — 報告提醒，獨立測試不一定能證實開發者所宣稱的結果。
- 許多數字是估計值(如運算量、排放、消費者剩餘)，帶有相當的不確定性。
- 首頁計數器四捨五入為整數；精確數字(如 2,859 億美元、28.3%)呈現在卡片與圖表中。
- 「重要模型」「前沿」等用語沿用報告本身的定義。
視覺靈感取自編輯式資料新聞(The Pudding)與簡潔的圖表美學(Datawrapper)；版面與程式碼為原創。報告本身由史丹佛大學以 CC BY-ND 4.0 授權。